1月15日，廣東省十四屆人大三次會議在廣州開幕，政府工作報告提出，實施“人工智能+”行動，加快智算中心和數據基礎設施建設。
1月14日，浙江省十四屆人大三次會議在杭州開幕，政府工作報告提出，布局建設未來產業，深化“人工智能+”行動，加快布局人形機器人、量子信息、類腦智能、空天信息和低空經濟等新產業新業態。
當前，人工智能快速發展，多樣化應用場景不斷涌現。多地也召開相關會議提及落實“人工智能+”行動?；仡?024年，據21世紀經濟報道記者不完全統計，全國至少有13個省份出臺了人工智能專項政策，涉及“AI+金融”“AI+教育”“AI+醫療”等多個領域，具身智能、智能駕駛等應用也被業內寄予厚望。
不過，由于場景選擇難、低時效性、數據質量不高等問題的影響，目前AI技術在生產制造領域的實際應用比例較低。對此，有關部門近期明確將推進“AI+制造”的應用推進，同時加強數據標注、合成數據等方面的管理，為大模型性能迭代與應用落地奠定基礎。
多地前瞻布局“人工智能+”
1月14日，賽迪顧問在北京舉辦“2025年IT趨勢”發布會。報告預測，“十五五”時期將成為中國人工智能創新應用發展期，產業規模將進一步擴大，預計從2026年的4862億元增長到2030年的10000億元，復合年增長率為19.8%。隨著技術的成熟和應用場景的拓展，AI將在更多領域實現落地，推動產業規模的快速提升。
賽迪顧問人工智能與大數據研究中心高級分析師白潤軒告訴21世紀經濟報道記者，目前全球在人工智能領域的發展路徑繼續分化，美國聚焦技術創新，歐盟則強調規范制定，中國憑借著龐大的國內市場和多樣化的應用場景，成為AI技術應用的重要試驗場。中國的AI企業緊密圍繞市場需求進行產品和服務的迭代更新，特別是在電子商務、金融科技、智慧城市等領域取得了顯著成效。盡管不同國家和地區在AI發展戰略上各有側重，但并非完全孤立，而是相互關聯、互為補充。
對人工智能場景應用的落地也體現在了國內高層會議以及各地的文件之中。近期召開的中央經濟工作會議明確開展“人工智能+”行動之后，2024人工智能賦能新型工業化大會隨即在北京召開，會上也正式成立了工業和信息化部人工智能標準化技術委員會。其后，上海也召開了“人工智能+”行動推進大會，首次發布“模塑申城”行業應用示范基地及五大公共服務平臺。
工業和信息化部總工程師謝少鋒在2024人工智能賦能新型工業化大會上指出，接下來將推進“人工智能+制造”，編輯人工智能賦能新型工業化推進路線圖，開展人工智能賦能新型工業化深度行活動，培育一批典型的應用案例，打造十大行業百大場景千家標桿，促進深度融合應用。
值得注意的是，在AI應用領域，上海、北京、河南、廣東、浙江等省份已經在去年出臺了專項行動計劃。比如北京印發了2024—2025年的“推動‘人工智能+’行動計劃”，提出以應用反哺大模型技術迭代，并設立5大標桿應用工程，10大示范性應用，以及若干商業化應用；河南、浙江分別以3年、4年為期印發“推動‘人工智能+’行動計劃”，布局教育、醫療、農業等10個領域；廣東到2027年將聚焦制造、教育、養老等領域，打造500個以上應用場景。
白潤軒表示，未來三年，中國人工智能產業將逐步形成各具特色的區域發展格局。各區域在智力補給、算力支持、應用場景等方面各具優勢，形成協同發展的統一調度機制。例如，北京將繼續強化技術研發和人才培養，提供強大的智力支持；上海將在金融和制造業領域深化AI應用，提升行業智能化水平。而其他地區如深圳、杭州等地則在智能硬件、電商物流等領域展現出獨特的優勢。通過這種區域間的協作，中國將加速推進各行業的智能化建設，共享人工智能產業帶來的紅利，共同推動全球AI技術的發展。
具身智能、智能駕駛有望率先落地
回顧2024年以“蘿卜快跑”為代表的自動駕駛技術試點落地、人形機器人開始走入汽車工廠實訓為代表，越來越多的人工智能應用進入到實際的生產生活之中。
白潤軒指出，人工智能技術在各行業的滲透和引發的變革，呈現出三個清晰的生態位，智能駕駛和具身智能處于AI應用的第一梯隊，這兩個領域對AI技術具有緊密需求和強伴生性。2025年，城區自動導航輔助駕駛（Navigate on Autopilot）將跨越“嘗鮮者”階段，進入“早期消費者”的市場，新車滲透率有望達到10%—15%。
另外在具身智能方面，根據智源研究院數據統計，截至2024年底，國內已發布或在研人形機器人接近100家，融資規模超100億元，稱之為“百機大戰”并不為過。
智源研究院發布的“2025十大AI技術趨勢”預測，具身智能的未來將在“一腦多形”和“一機多用”方向實現創新突破。這意味著未來的具身智能系統將能夠適應多種形態，以滿足不同場景的需求，并且能夠在不同的任務中靈活切換，提高設備的利用率和效率。這種靈活性和多功能性將極大地推動具身智能在工業、服務等領域的應用，進一步放大機器人對人類勞動力的替代作用，重構人工智能的縱向管理體系，提升整體生產效率和智能化水平。
清華大學交叉信息研究院助理教授許華哲告訴21世紀經濟報道，2025年的具身智能將繼續從本體擴展到具身腦，在行業格局上或將迎來洗牌，廠商數量開始收縮。在技術路線上，端到端模型繼續迭代，小腦大模型的嘗試或有突破。在商業變現上，也必將看到更多的工業場景下的具身智能應用，部分人形機器人迎來量產。
數據供給優化“護航”應用落地
不過，從目前的實際應用情況看，不同行業的人工智能滲透率有著較為明顯的分化。
中國信息通信研究院發布的《人工智能發展報告（2024年）》指出，大模型應用在產業鏈各環節分布呈現“兩端快、中間慢”特征，即產業鏈兩端的研發設計和運營服務等知識密集型、服務密集型環節落地相對較快，生產制造等中間環節相對較慢。
中國信息通信研究院副院長魏亮對此解釋，大模型在生產、制造等低附加值場景的落地存在一定局限性，面臨場景選擇難、低時效性、低可信度等問題。在實時生產中，由于對質量管理和流程精度的高度要求，以及高質量專業數據獲取的現實困難，尚不能采用大模型生成的“弱解釋性”結果直接指導生產現場。
為促進數據標注產業高質量發展，1月13日，國家發展改革委等4部門聯合發布《關于促進數據標注產業高質量發展的實施意見》，明確將加強交通、醫療、金融、科學、制造、農業等重點行業領域數據標注，建設行業高質量數據集，支撐人工智能在行業領域的應用賦能。
清華大學公共管理學院教授孟慶國發文解讀文件時指出，當前，全球主流基礎大模型中文語料僅占全部語料的1%，高質量中文數據成為制約我國基礎大模型能力的瓶頸。我國雖是全球第二大數據資源國，但數據質量不高，開發利用比例低。需要以國家數據標注基地試點為抓手，圍繞技術創新、行業賦能、生態培育、標注應用、人才就業和安全發展等六個方面做好試點，探索推進數據標注產業發展的最優路徑。
另外，根據Epoch AI報告，在2026年以前，AI訓練將用盡互聯網上包含音視頻在內的高質量數據，而現存真實世界數據集或將在2030年至2060年之間耗盡。
智源研究院數據研究組負責人劉廣告訴21世紀經濟報道，合成數據將成為大模型迭代與應用落地的重要催化劑。在大模型訓練方面，合成數據可以降低人工治理和標注的成本，緩解對真實數據的依賴，不再涉及數據隱私問題；同時，合成數據可以提升數據的多樣性，有助于提高模型處理長文本和復雜問題的能力。隨著真實數據的耗盡，合成數據在模型訓練的占比將持續提高，成為大模型性能迭代與應用落地的重要催化劑。